Zephyrnet-logo

NVIDIA: Sanntids AI driver industriell automasjons neste fase

Dato:

Ryan Daws er seniorredaktør i TechForge Media, med en erfaren bakgrunn som strekker seg over et tiår innen teknisk journalistikk. Hans ekspertise ligger i å identifisere de nyeste teknologiske trendene, dissekere komplekse emner og veve overbevisende fortellinger rundt de mest banebrytende utviklingene. Hans artikler og intervjuer med ledende bransjefigurer har gitt ham anerkjennelse som en nøkkelpåvirker av organisasjoner som Onalytica. Publikasjoner under hans ledelse har siden fått anerkjennelse fra ledende analytikerhus som Forrester for deres prestasjoner. Finn ham på X (@gadget_ry) eller Mastodon (@gadgetry@techhub.social)


.pp-multiple-authors-boxes-wrapper {display:none;}
img {width:100%;}

De tunge løftene innen produksjon, fabrikklogistikk og robotikk får hjelp fra sanntids AI, ifølge NVIDIA-sjef Jensen Huangs hovedtale kl. GTC 2024.

En simulering-først-tilnærming baner vei for neste fase av automatisering i disse bransjene som ofte involverer store produkter, dyrt utstyr, samarbeidende robotmiljøer og logistisk komplekse fasiliteter.

Huang demonstrerte hvordan utviklere kunne bruke digitale tvillinger til å utvikle, teste og foredle sin storskala, sanntids AI helt i simulering før den distribueres i industriell infrastruktur – noe som sparer betydelig tid og kostnader. NVIDIAs Omniverse-, Metropolis-, Isaac- og cuOpt-plattformer samhandler i "AI-treningssentre" der utviklere kan trene opp AI-agenter for å hjelpe roboter og mennesker med å navigere i uforutsigbare eller komplekse situasjoner.

I en demo fungerte et 100,000 100 kvadratmeter stort lagers digitale tvilling bygget med Omniverse som et simuleringsmiljø. Den inkluderte dusinvis av digitale arbeidere, flere autonome mobile roboter (AMR) som kjørte NVIDIA Isaacs multisensorstabel, vision AI-agenter og sensorer. Metropolis opprettet et sentralisert beleggskart ved å smelte sammen data fra XNUMX simulerte kamerastrømmer for å informere om optimale AMR-ruter beregnet av cuOpts komplekse rutingoptimalisering AI.

Alt dette skjedde i sanntid mens Isaac Mission Control koordinerte AMR-flåten ved å bruke cuOpts kartleggings- og rutingdata. Når en hendelse blokkerte en AMRs vei, oppdaterte Metropolis beleggsnettet, cuOpt planla en ny optimal rute, og AMR reagerte deretter for å minimere nedetid.

[Innebygd innhold]

Ved å bruke Metropolis visjonsmodeller og Visual Insight Agent-rammeverket kan utviklere bygge AI-agenter for å hjelpe operasjoner med å svare på spørsmål som "Hva skjedde i midtgang tre?" med innsikt fra videoanalyse. Disse visuelle AI-agentene vil hjelpe bransjer med å trekke ut handlingsrettet innsikt fra video ved bruk av naturlig språk.

AI-egenskapene som er demonstrert forbedres gjennom kontinuerlig simuleringstrening og distribueres som modulære NVIDIA-inferensmikrotjenester, og driver neste fase av industriell automasjon drevet av sanntids-AI.

(Foto av CHUTTERSNAP)

Se også: Flyvende drosjer og leveringsdroner satt til britisk himmel innen 2030

Vil du lære om IoT fra industriledere? Sjekk ut IoT Tech Expo finner sted i Amsterdam, California og London. Det omfattende arrangementet er samlokalisert med andre ledende arrangementer, inkludert Cybersikkerhet & Cloud Expo, AI & Big Data Expo, Edge Computing Expoog Digital transformasjonsuke.

Utforsk andre kommende teknologibegivenheter og webinarer drevet av TechForge her..

Tags: ai, kunstig intelligens, automatisering, kuopt, digital tvilling, industriell automatisering, IOT, isaac, Metropolis, nvidia, omniverset

spot_img

VC kafé

VC kafé

Siste etterretning

spot_img